基于SVM的复杂非线性黑箱系统在线辨识方法

被引：1

作者：

马振平

孟辉

安金龙

机构：

[1] 河北工业大学电气与自动化学院

来源：

河北工业大学学报 | 2006年 / 01期

关键词：

支持向量机; 非线性模型; 在线黑箱辨识; 磁致伸缩;

D O I：

10.14081/j.cnki.hgdxb.2006.01.002

中图分类号：

N945.14 [系统辨识];

学科分类号：

071102 ;

摘要：

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的回归方法,本文分析了采用神经网络方法进行非线性系统建模存在的缺点,并将SVM应用于复杂非线性黑箱系统模型的在线辨识当中,理论分析和实验证明,该方法学习速度快,跟踪性能好,泛化能力强,对样本的依赖程度低,比神经网络非线性系统建模具有更好的预测精度.

引用

页码：6 / 11

页数：6

共 4 条

[1]

Nonlinear System Modeling Using the Radial Basis Function Neural Networks. Wang Xudong,Shao Huihe. Control Theory and Applications . 1997

[2]

NNSYSID and NNCTRL tools for system identification and control with neural networks. Norgaard M,Ravn O,Poulsen N K. Computing and Control Engineering Journal . 2001

[3]

The Nature of Statistical Learning Theory. Vapnik V. . 1999

[4]

Intelligent modeling observation and control for nonlinear systems Mechatronics. Schroder D,Hintz C,Rau M. IEEE Transactions on ASME . 2001

← 1 →